ポカヨケAIとは｜目視検査の見落としを減らす仕組み
kanrinin製造ラインで目視検査を続けていると、避けがたい問題に突き当たります。同じ作業を何百回と繰り返す中で、人の注意力には限界があります。経験豊富な検査員であっても、長時間の連続作業では見落としのリスクは確実に上がります。
この課題に対し、ポカヨケAIという選択肢が現場で注目されています。本記事では、ポカヨケAIの考え方と技術的な仕組み、そして従来手法との違いを整理します。
そもそも「ポカヨケ」とは
ポカヨケとは、うっかりミス（ポカ）を未然に防ぐ（ヨケる）ための仕組みを指します。製造現場では古くから、治具や形状の工夫によってヒューマンエラーを物理的に防ぐアプローチが取られてきました。
しかし、目視検査の場面では物理的な仕組みだけでは対応しきれないケースがあります。部品の付け忘れ、異種部品の混入、微細な位置ずれ——こうした不良は、画像を見て判断する人の認知に依存します。1日500個の製品を検査し続けて、1件の見落としもなく判断し続けることは、構造的に難しいことです。
AIをポカヨケに活用するとは、この「人の認知の負荷」をシステム側で支援するという発想です。
従来手法の限界
ルールベース検査
画像検査装置の多くは、ルールベースの判定ロジックを採用しています。「この座標に部品があること」「この領域の輝度が一定以上であること」といった条件を人が定義し、それに基づいて良否を判断する方式です。
判断根拠が明示できる点は強みですが、運用上の負荷が大きくなりやすい構造を持っています。
- ルール数の肥大化：製品種類や検査項目が増えるほど、ルール数は指数的に増加します。管理しきれなくなった時点で、設計者以外には手が出せない状態になります。
- しきい値調整の終わりのなさ：照明の微妙な変動や良品個体差に対応するため、しきい値の調整作業が断続的に発生します。
- 未知の不良への脆弱性：あらかじめ想定していない不良パターンは、ルールで定義できないため検出できません。
ディープラーニング検査
ディープラーニングは、微細なテクスチャ欠陥や複雑な形状の位置ずれ検出など、高い表現力を要する検査に有効です。近年は少数の正常画像だけで動作する手法も登場し、導入障壁は下がっています。
一方で、PyTorchやONNX Runtimeといったフレームワークのインストールとバージョン管理、事前学習済みモデルの保守といった運用負荷は残ります。現場担当者が自律的に扱うには、一定の技術的なハードルが伴います。
ポカヨケAIのアプローチ：「正常を学習し、逸脱を検知する」
アダコテックのPOKAMIRUは、「正常な状態を学習し、そこから外れたものを検知する」という考え方を採用しています。不良品のパターンを事前に定義するのではなく、正常品の画像を最低10枚用意するだけで検査モデルを構築できます。
技術的な基盤として、HLAC（高次局所自己相関）＋部分空間法を採用しています。HLACは画像中の近傍画素の関係を固定のマスクパターンで集計し、固定長のベクトルとして表現する特徴量抽出手法です。ニューラルネットワークを使わないため、GPUやディープラーニングフレームワークへの依存がありません。
なぜ汎用PCだけで動くのか
POKAMIRUがGPUなしで実用的に動作する背景には、4つの設計上の工夫があります。
① 固定マスク演算による特徴抽出
HLACのマスクパターンはあらかじめ数学的に設計されており、学習によるパラメータ更新が不要です。CNNが多層の行列積を順伝播させるのに対し、HLACは局所的な特徴を単一の演算で表現するため、推論時の計算コストを小さく抑えられます。
② パッチ分割処理
入力画像を小さなパッチに分割し、重なりを持たせながら個別に処理します。画像全体を一括処理すると小さな異常が平均化されて埋もれやすくなりますが、パッチ単位で処理することで局所的な異常が際立ちます。
③ 複数の「見方」で同じ軽量演算を繰り返す
グレースケール変換・彩度変換など異なる前処理を施した画像に対し、同じHLAC演算を複数回適用します。演算自体を複雑にするのではなく、軽量な演算を異なる条件で繰り返すことで検出精度を高めるアプローチです。
④ 閉形式のモデル構築
部分空間法は閉形式の解を持ちます。つまり、ディープラーニングのように反復的なパラメータ更新を行わず、正常データの統計的な特徴を一度の計算で数学的に要約します。HLACの特徴量が固定長かつ低次元であることも相まって、CPU上でのモデル構築が数分程度で完了します。
これら4つの工夫を組み合わせることで、フレームワーク依存なしにCPUだけで実用的な速度と精度を両立しています。
AIと人の役割分担：最終判断は人が行う
POKAMIRUの運用では、AIが最終判断をすべて代替するわけではありません。AIは「ここに注意が必要かもしれない」と注意を促す支援役であり、最終的な合否判断は人が行います。
目視検査の本質的な問題は「人が判断すること自体」ではなく、「長時間・大量の反復作業による注意力の低下」にあります。AIが要注意箇所をハイライトすることで、検査員は本来の判断業務に集中できます。
どんな用途に向いているか
POKAMIRUは、部品の有無・位置ずれ・色違いなど、正常状態からの明確な逸脱を検出するポカヨケ用途に向いています。製品切り替え時も、現場担当者がライン横のPCで正常品を最低10枚撮影するだけで新しい検査モデルを構築できます。
一方、微細なテクスチャ欠陥の検出や、高い表現力を要する外観検査には、ディープラーニングベースのアプローチが適しています。アダコテックではそうした用途向けに、HLAC技術を活用した外観検査AIツール「AdaInspector® Cloud」も提供しています。
「GPU環境の調達やフレームワーク管理が現実的ではない」「まず目視検査の補助から始めたい」という場合、POKAMIRUは技術的に異なるアプローチでその壁を取り除くことを目指した製品です。
詳細や導入のご相談は、お気軽にお問い合わせください。
